推文

@fireandstart · 2026-10-15 01:05

这项工作最值得追问的，不是“递归自我改进是否已经解决”，而是它把闭环拆成了哪些可检验的环节：世界模型先预测哪些动作、哪些训练数据值得消耗昂贵的真实反馈；反馈再更新策略和模型；每次策略更新还要经过模型一致性检查，避免策略变了而模型仍停留在旧分布。 因此，几个数字不能混成一个笼统的“AI 自我提升幅度”。实验室规划从 21.80% 到 46.01%，是在五个策略版本间的结果；代码修复是在固定 coder 下，静态 verifier 的 26.3% 提升到世界模型适配后的 31.2%；反应优化则是在同样 40 次实验中，平均最佳产率 96.15% 对比 Bayesian optimization 的 82.16%。任务、指标和对照组各不相同，真正有意义的是逐项看设计是否匹配问题。 我更愿意把它理解成一种资源分配与模型校准方法，而不是自动保证能力不断增长的机制。下一步需要看清消融实验、失败案例、真实反馈成本，以及模型和策略同时变化时的稳定性。尤其是“模型仍然拟合新策略”这道门槛，可能决定系统能否避免自我强化错误。

曝光 4 · 评论 0 · 点赞 0 · 书签 0